公开(公告)号：CN119667005A

公开(公告)日：2025-03-21

申请号：CN202411715622.2

申请日：2024-11-27

Applicant: 西安理工大学 ,  陕西省引汉济渭工程建设有限公司

Inventor： 张野 ,  袁思敏 ,  李炎隆 ,  陶磊 ,  孙凯宇 ,  王佐荣 ,  黎康平 ,  陈浩天

IPC: G01N29/44 ,  G01N29/04 ,  G06F18/241 ,  G06N3/0464

Abstract: 本发明公开了一种基于改进YOLOv8的PCCP断丝信号检测方法，属于水利工程检测技术领域。该方法包括：S1：采用分布式光纤传感器进行PCCP断丝原型试验，采集试验过程中产生的声波信号，对采集的数据进行整理筛选，得到PCCP断丝一维声波信号数据集；S2：采用同步挤压小波变换对一维声波信号进行处理转换成二维频谱图，进行标注，构建数据集；S3：采用S2的数据集对改进的YOLOv8模型进行训练，用其进行断丝信号识别检测；再进行性能评估，将满足评估要求的模型作为最终的目标检测模型，用于PCCP管体运行状态下断丝信号的检测。本发明可以解决PCCP管体运行过程状态下断丝信号检测识别不足的问题，实现精确检测。

公开(公告)号：CN119227910A

公开(公告)日：2024-12-31

申请号：CN202411731778.X

申请日：2024-11-29

Applicant: 西安理工大学

Inventor： 王学斌 ,  袁思敏 ,  王礼源 ,  孟雪姣 ,  畅建霞 ,  王义民

IPC: G06Q10/04 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08 ,  G06Q10/0631 ,  G06Q50/06

Abstract: 本发明属于水文预测技术领域，公开了一种融合特征分解与纠错策略的并行架构径流预测方法，包括：收集目标区域的径流时间序列，采用经SSA算法优化后的VMD对径流时间序列进行分解；筛选与径流变化最相关的子序列作为径流预测因子；将径流预测因子输入到并行CNN‑GRU模型中提取时空特征，使用SSA算法对并行CNN‑GRU模型的参数进行优化；将径流预测因子输入优化后的并行CNN‑GRU模型进行初步预测，基于优化后的并行CNN‑GRU模型预测误差值；将预测误差值叠加到初步预测值上校正预测偏差，得到最终的径流预测值。本发明通过结合并行CNN‑GRU架构、SSA优化算法和纠错机制，显著提高了区域径流预测的精度。

公开(公告)号：CN118133666A

公开(公告)日：2024-06-04

申请号：CN202410252349.8

申请日：2024-03-06

Applicant: 西安理工大学

Inventor： 张野 ,  袁思敏 ,  李炎隆

IPC: G06F30/27 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08 ,  F17D5/00 ,  G01B11/16 ,  G06F113/14 ,  G06F119/14

Abstract: 本发明涉及PCCP变形预测技术领域，具体公开了一种基于深度学习的PCCP管体变形预测方法、系统及介质，所述方法包括：采用分布式光纤传感器进行PCCP原型试验；基于PCCP原型试验得到不同内压下PCCP管体各层结构的变形数据，并对变形数据进行处理与划分，构建PCCP结构变形的数据集；构建深度学习融合模型，并采用数据集对所述深度学习融合模型进行训练和优化，将优化后的深度学习融合模型作为PCCP结构变形预测模型；利用PCCP结构变形预测模型对PCCP管体各层结构在超压工况下的变形进行预测。本发明通过建立深度学习融合模型实现PCCP管体超压工况下各层结构变形的精准预测，并进行了模型对比评估，为PCCP管线运行提供一种先进的、可靠的变形监测方法，保障管线的安全运行。